CN105469057B - 一种基于hough直线检测和投影的车窗检测方法 - Google Patents

一种基于hough直线检测和投影的车窗检测方法 Download PDF

Info

Publication number
CN105469057B
CN105469057B CN201510849445.1A CN201510849445A CN105469057B CN 105469057 B CN105469057 B CN 105469057B CN 201510849445 A CN201510849445 A CN 201510849445A CN 105469057 B CN105469057 B CN 105469057B
Authority
CN
China
Prior art keywords
vehicle window
image
straight
binary image
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510849445.1A
Other languages
English (en)
Other versions
CN105469057A (zh
Inventor
宋擘
王亚夫
任楠楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Digital China Sobey Technology Co Ltd
Original Assignee
Chengdu Digital China Sobey Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Digital China Sobey Technology Co Ltd filed Critical Chengdu Digital China Sobey Technology Co Ltd
Priority to CN201510849445.1A priority Critical patent/CN105469057B/zh
Publication of CN105469057A publication Critical patent/CN105469057A/zh
Application granted granted Critical
Publication of CN105469057B publication Critical patent/CN105469057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于hough直线检测和投影的车窗检测方法，包括车窗区域粗定位步骤、车窗上下边界定位步骤和车窗左右边界定位步骤。本发明基于车牌位置的检测，在车牌位置的基础上初步定位出车窗区域，在这个粗定位的车窗区域里，通利用hough直线检测和水平梯度等技术，分别对粗定位的车窗区域信息进行处理，找到最合适的车窗上下边界位置，确定车窗上下边界；再通过边缘图像处理，利用hough直线检测技术，找到合适的车窗左右边界位置，确定车窗左右边界，从而检测出准确的车窗区域，完成车窗的精确识别检测。

Description

一种基于hough直线检测和投影的车窗检测方法
技术领域
本发明涉及车辆识别领域，特别是涉及一种基于hough直线检测和投影的车窗检测方法。
背景技术
近几十年来，智能交通系统已经取得了飞速发展。车窗区域识别是智能交通系统中一个比较新的研究方向，车窗检测是卡口车辆识别系统中的一个重要功能。当检测到车窗区域以后，就能在其基础上进行年检标志、副驾驶位人员、车前摆件等一系列车辆指纹的检测，为车辆识别系统提供依据，在很大程度上改善车辆识别的准确率，因此，对车窗检测是车辆识别系统中的关键技术。
目前的车窗检测算法主要有两个研究方向：基于梯度的车窗检测方法和基于颜色差异的车窗检测方法。这两种方法存在以下弊端：当采用基于梯度的车窗检测方法时，如果车窗边界不够明显，其边框的梯度也很不明显；而当基于颜色差异的车窗检测方法，如果车窗区域颜色与车身差异不够大，车窗检测也不会很精确。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于hough直线检测和投影的车窗检测方法，基于车牌位置的检测，在车牌位置的基础上定位出大致的车窗区域；在这个粗定位的区域里，利用hough直线检测和水平梯度等技术，找到最合适的上下边界位置；再通过hough直线检测找到合适的车窗左右边界，从而检测出准确的车窗区域。
本发明的目的是通过以下技术方案来实现的：一种基于hough直线检测和投影的车窗检测方法，所述方法包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
S1，车窗区域粗定位步骤：根据车牌位置初步定位出车窗区域，得到粗定位的车窗区域图像。
S2，车窗上下边界定位步骤，确定车窗的上下边界，包括以下多个子步骤。
S201，对步骤S1中的车窗区域图像进行均值二值化处理，计算其灰度图像的灰度均值，并根据均值进行二值化，得到二值化图像。
S202，对二值化图像进行hough直线检测处理，检测出符合要求的直线，并在二值化图像上只保留被检测出的直线所在的前景点，得到前景点二值化图像。
S203，对步骤S1中的车窗区域图像进行水平梯度处理，计算其水平梯度，得到水平梯度图像。
S204，对水平梯度图像进行均值二值化处理，输出水平梯度二值化图像。
S205，对前景点二值化图像和水平梯度二值化图像进行加权处理，对每个像素点进行或操作，输出加权二值化图像。
S206，对加权二值化图像进行水平投影，得到一条长度为图像高度的水平投影序列。
S207，找出水平投影序列的前半部分中的最大水平投影值，并将其所对应的高度位置设为车窗区域的上边界位置，找出水平投影序列的后半部分最大水平投影值，并将其所对应的高度位置设为车窗区域的下边界位置，得到确定了车窗上下边界的车窗区域图像。
S3，车窗左右边界定位步骤，确定车窗的左右边界，包括以下多个子步骤。
S301，对S207中得到的车窗区域图像进行边缘检测，得到边缘二值化图像。
S302，对边缘二值化图像进行hough直线检测处理，检测出符合要求的直线。
S303，将S302中检测出的直线分为左右两部分，找出左半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的左边界，找出右半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的右边界，得到上下边界和左右边界均重新设定的车窗区域图像。
S304，完成车窗检测。
进一步的，所述步骤S1包括以下多个子步骤。
S101，在原始图像中定位出车牌位置，并计算车牌的高度值H和宽度值L。
S102，将车牌位置上方A倍高度值H的位置设为车窗区域的下边界。
S103，将车牌位置上方B倍高度值H的位置设为车窗区域的上边界。
S104，将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
S105，将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
S106，得到粗定位的车窗区域图像。
其中，变量A、变量B和变量C的具体值根据实际应用来设定。
进一步的，步骤S106中所述粗定位的车窗区域图像，其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置，该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
进一步的，步骤S202中所述要求为：长度不小于车窗区域图像宽度的1/5的直线，水平角度在-30°～30°之间的直线。
进一步的，步骤S302中所述要求为：长度大于边缘二值化图像高度1/2的直线，边缘二值化图像左半部分中角度在45°～95°之间的直线，边缘二值化图像右半部分中角度在85°～135°之间的直线。
进一步的，步骤S203中所述的水平梯度，其计算方式为：计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y)，水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值，其表达式为：
V(x,y)＝|P(x,y-1)-P(x,y+1)|。
进一步的，所述hough直线检测包括以下多个子步骤。
S401，针对二值化图像中的每一个像素点P(x,y)，计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ，计算公式为：ρ＝x*cosθ+y*sinθ。
S402，根据曲线矩阵，以二值化图像中某一像素点为基准，按要求以半径为R搜索附近是否有曲线系数相似的像素点，如果有则认为属于同一条直线。
S403，重复步骤S402找出一系列直线，完成二值化图像的hough直线检测。
进一步的，步骤S206所述的水平投影，其具体方式包括：统计每一行的前景点数，作为该行的水平投影值，将各行的水平投影值累加，得到一条长度为图像高度的水平投影序列。
本发明的有益效果是：
1)本发明基于车牌位置的检测，在车牌位置的基础上初步定位出车窗区域，在这个粗定位的车窗区域里，通利用hough直线检测和水平梯度等技术，分别对粗定位的车窗区域信息进行处理，找到最合适的车窗上下边界位置，确定车窗上下边界；再通过边缘图像处理，利用hough直线检测技术，找到合适的车窗左右边界位置，确定车窗左右边界，从而检测出准确的车窗区域，完成车窗的精确识别检测。
2)本发明所提出的车窗检测方法，能对光照影响和图像模糊都有一定的抑制作用，并对车辆识别系统的其他子系统提供了有力的帮助。
附图说明
图1为本发明车窗识别系统的系统结构框图；
图2为本发明中hough直线检测实施例之一的原理示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，该实施例描述了一种基于hough直线检测和投影的车窗检测方法，包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
(1)车窗区域粗定位步骤
S1，根据车牌位置初步定位出车窗区域，得到粗定位的车窗区域图像，该步骤S1一般包括以下多个子步骤。
S101，在原始图像中定位出车牌位置，并计算车牌的高度值H和宽度值L。
S102，将车牌位置上方A倍高度值H的位置设为车窗区域的下边界。
S103，将车牌位置上方B倍高度值H的位置设为车窗区域的上边界。
S104，将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
S105，将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
S106，得到粗定位的车窗区域图像。
本发明中，该变量A、变量B和变量C可自定义设置，其具体值根据实际应用来设定，其参考因素主要有摄像头安装位置、摄像头拍摄角度等。如当摄像头安装位置较低时，车窗的下边界和上边界与车牌间的距离小，变量A和变量B的取值小；当像头安装位置较高时，车窗的下边界和上边界与车牌间的距离大，变量A和变量B的取值大；当摄像头拍摄角度与水平方向的夹角越大时，变量A的取值应相应增大。
一般的，变量A可设为4.5左右，变量B可设为19左右，变量C可设为1.6左右，是的步骤S106中所述粗定位的车窗区域图像，其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置，该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
(2)车窗上下边界定位步骤
S2，车窗上下边界定位步骤，确定车窗的上下边界，包括以下多个子步骤。
1)hough直线检测处理
S201，对步骤S1中的车窗区域图像进行均值二值化处理，计算其灰度图像的灰度均值，并根据均值进行二值化，得到二值化图像。
S202，对二值化图像进行hough直线检测处理，检测出符合要求的直线，并在二值化图像上只保留被检测出的直线所在的前景点，得到前景点二值化图像。
进一步的，如图2所示，所述hough直线检测包括以下多个子步骤。
S401，针对二值化图像中的每一个像素点P(x,y)，计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ，计算公式为：ρ＝x*cosθ+y*sinθ。一般的，步进S可自定义设置，如赋值为1。
S402，根据曲线矩阵，以二值化图像中某一像素点为基准，按要求以半径为R搜索附近是否有曲线系数相似的像素点，如果有则认为属于同一条直线。一般的，其中半径R可赋值为1。
S403，重复步骤S402找出一系列直线，完成二值化图像的hough直线检测。
步骤S202和S402中所述要求为：长度不小于车窗区域图像宽度的1/5的直线，水平角度在-30°～30°之间的直线。
2)计算水平梯度
S203，对步骤S1中的车窗区域图像进行水平梯度处理，计算其水平梯度，得到水平梯度图像。
优选的，步骤S203中所述的水平梯度，其计算方式为：计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y)，水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值，其表达式为：
V(x,y)＝|P(x,y-1)-P(x,y+1)|。
S204，对水平梯度图像进行均值二值化处理，输出水平梯度二值化图像。
3)水平投影
S205，对前景点二值化图像和水平梯度二值化图像进行加权处理，对每个像素点进行或操作，输出加权二值化图像。
S206，对加权二值化图像进行水平投影，其具体方式可为：统计每一行的前景点数，作为该行的水平投影值，将各行的水平投影值累加，得到一条长度为图像高度的水平投影序列。
S207，找出水平投影序列的前半部分中的最大水平投影值，并将其所对应的高度位置设为车窗区域的上边界位置，找出水平投影序列的后半部分最大水平投影值，并将其所对应的高度位置设为车窗区域的下边界位置，得到确定了车窗上下边界的车窗区域图像。
(3)车窗左右边界定位步骤
S3，车窗左右边界定位步骤，确定车窗的左右边界，包括以下多个子步骤。
S301，对S207中得到的车窗区域图像进行边缘检测，得到边缘二值化图像。
S302，对边缘二值化图像进行hough直线检测处理，检测出符合要求的直线。
进一步的，如图2所示，所述hough直线检测包括以下多个子步骤。
S401，针对二值化图像中的每一个像素点P(x,y)，计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ，计算公式为：ρ＝x*cosθ+y*sinθ。一般的，步进S可自定义设置，如赋值为1。
S402，根据曲线矩阵，以二值化图像中某一像素点为基准，按要求以半径为R搜索附近是否有曲线系数相似的像素点，如果有则认为属于同一条直线。一般的，其中半径R可赋值为1。
S403，重复步骤S402找出一系列直线，完成二值化图像的hough直线检测。
步骤S302和S402中所述要求为：长度大于边缘二值化图像高度1/2的直线，边缘二值化图像左半部分中角度在45°～95°之间的直线，边缘二值化图像右半部分中角度在85°～135°之间的直线。
S303，将S302中检测出的直线分为左右两部分，找出左半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的左边界，找出右半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的右边界，得到上下边界和左右边界均重新设定的车窗区域图像。
S304，完成车窗检测。
如上参照附图以示例的方式描述了根据本发明的一种基于hough直线检测和投影的车窗检测方法。但是，本领域技术人员应当理解，对于上述本发明所提出的一种基于hough直线检测和投影的车窗检测方法，还可以在不脱离本发明内容的基础上做出各种改进，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (8)

1.一种基于hough直线检测和投影的车窗检测方法，其特征在于，所述方法包括以下步骤：
S1，车窗区域粗定位步骤：根据车牌位置初步定位出车窗区域，得到粗定位的车窗区域图像；
S2，车窗上下边界定位步骤，确定车窗的上下边界，包括以下子步骤：
S201，对步骤S1中的车窗区域图像进行均值二值化处理，计算其灰度图像的灰度均值，并根据均值进行二值化，得到二值化图像；
S202，对二值化图像进行hough直线检测处理，检测出符合要求的直线，并在二值化图像上只保留被检测出的直线所在的前景点，得到前景点二值化图像；
S203，对步骤S1中的车窗区域图像进行水平梯度处理，计算其水平梯度，得到水平梯度图像；
S204，对水平梯度图像进行均值二值化处理，输出水平梯度二值化图像；
S205，对前景点二值化图像和水平梯度二值化图像进行加权处理，对每个像素点进行或操作，输出加权二值化图像；
S206，对加权二值化图像进行水平投影，得到一条长度为图像高度的水平投影序列；
S207，找出水平投影序列的前半部分中的最大水平投影值，并将其所对应的高度位置设为车窗区域的上边界位置，找出水平投影序列的后半部分最大水平投影值，并将其所对应的高度位置设为车窗区域的下边界位置，得到确定了车窗上下边界的车窗区域图像；
S3，车窗左右边界定位步骤，确定车窗的左右边界，包括以下子步骤：
S301，对S207中得到的车窗区域图像进行边缘检测，得到边缘二值化图像；
S302，对边缘二值化图像进行hough直线检测处理，检测出符合要求的直线；
S303，将S302中检测出的直线分为左右两部分，找出左半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的左边界，找出右半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的右边界，得到上下边界和左右边界均重新设定的车窗区域图像；
S304，完成车窗检测。
2.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，所述步骤S1包括以下子步骤：
S101，在原始图像中定位出车牌位置，并计算车牌的高度值H和宽度值L；
S102，将车牌位置上方A倍高度值H的位置设为车窗区域的下边界；
S103，将车牌位置上方B倍高度值H的位置设为车窗区域的上边界；
S104，将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界；
S105，将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界；
S106，得到粗定位的车窗区域图像；
其中，变量A、变量B和变量C的具体值根据实际应用来设定。
3.根据权利要求2所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于：步骤S106中所述粗定位的车窗区域图像，其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置，该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
4.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，步骤S202中所述要求为：长度不小于车窗区域图像宽度的1/5的直线，水平角度在-30°～30°之间的直线。
5.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，步骤S302中所述要求为：长度大于边缘二值化图像高度1/2的直线，边缘二值化图像左半部分中角度在45°～95°之间的直线，边缘二值化图像右半部分中角度在85°～135°之间的直线。
6.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，步骤S203中所述的水平梯度，其计算方式为：计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y)，水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值，其表达式为：
V(x,y)＝|P(x,y-1)-P(x,y+1)|。
7.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，所述hough直线检测包括以下子步骤：
S401，针对二值化图像中的每一个像素点P(x,y)，计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ，计算公式为：ρ＝x*cosθ+y*sinθ；
S402，根据曲线矩阵，以二值化图像中某一像素点为基准，按要求以半径为R搜索附近是否有曲线系数相似的像素点，如果有则认为属于同一条直线；
S403，重复步骤S402找出一系列直线，完成二值化图像的hough直线检测。
8.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法，其特征在于，步骤S206所述的水平投影，其具体方式包括：统计每一行的前景点数，作为该行的水平投影值，将各行的水平投影值累加，得到一条长度为图像高度的水平投影序列。
CN201510849445.1A 2015-11-27 2015-11-27 一种基于hough直线检测和投影的车窗检测方法 Active CN105469057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510849445.1A CN105469057B (zh) 2015-11-27 2015-11-27 一种基于hough直线检测和投影的车窗检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510849445.1A CN105469057B (zh) 2015-11-27 2015-11-27 一种基于hough直线检测和投影的车窗检测方法

Publications (2)

Publication Number Publication Date
CN105469057A CN105469057A (zh) 2016-04-06
CN105469057B true CN105469057B (zh) 2019-04-12

Family

ID=55606728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510849445.1A Active CN105469057B (zh) 2015-11-27 2015-11-27 一种基于hough直线检测和投影的车窗检测方法

Country Status (1)

Country Link
CN (1) CN105469057B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975903A (zh) * 2016-04-22 2016-09-28 安徽大学 一种汽车特征识别方法
CN106250824A (zh) * 2016-07-21 2016-12-21 乐视控股（北京）有限公司 车窗定位方法和系统
CN106952216B (zh) * 2017-03-27 2020-07-28 成都航空职业技术学院 一种基于imx6图形处理器的直线检测方法
CN108133170B (zh) * 2017-10-31 2020-07-14 浙江浩腾电子科技股份有限公司 一种多方向车辆的车窗定位方法
CN108182376B (zh) * 2017-11-15 2020-12-08 浙江工业大学 一种基于车窗角点检测的车窗定位方法
CN108470137B (zh) * 2017-12-13 2022-05-13 天地伟业技术有限公司 一种基于视频的汽车遮阳板检测方法
CN109300125B (zh) * 2018-09-21 2022-02-18 南京航轩轨道交通科技有限公司 一种复杂环境下城轨列车受电弓滑板图像提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0569982A3 (en) * 1992-05-14 1994-12-07 United Parcel Service Inc Method and apparatus for processing images with symbols with dense edges.
CN103207988A (zh) * 2013-03-06 2013-07-17 大唐移动通信设备有限公司 一种图像识别方法及装置
CN103679146A (zh) * 2013-12-06 2014-03-26 中科联合自动化科技无锡有限公司 基于高通滤波器和Hough变换的安全带智能检测方法
CN103870827A (zh) * 2014-02-21 2014-06-18 杭州奥视图像技术有限公司 一种结合颜色与纹理的车牌检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0569982A3 (en) * 1992-05-14 1994-12-07 United Parcel Service Inc Method and apparatus for processing images with symbols with dense edges.
CN103207988A (zh) * 2013-03-06 2013-07-17 大唐移动通信设备有限公司 一种图像识别方法及装置
CN103679146A (zh) * 2013-12-06 2014-03-26 中科联合自动化科技无锡有限公司 基于高通滤波器和Hough变换的安全带智能检测方法
CN103870827A (zh) * 2014-02-21 2014-06-18 杭州奥视图像技术有限公司 一种结合颜色与纹理的车牌检测方法

Also Published As

Publication number Publication date
CN105469057A (zh) 2016-04-06

Similar Documents

Publication Publication Date Title
CN105469057B (zh) 一种基于hough直线检测和投影的车窗检测方法
CN105404874B (zh) 一种基于投影和hough直线检测的车窗识别系统
CN103279736B (zh) 一种基于多信息邻域投票的车牌检测方法
CN103150549B (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
RU2009102124A (ru) Устройство обработки видеоинформации системы охранной сигнализации
CN103065494B (zh) 一种基于计算机视觉的空闲停车位检测方法
CN106127205A (zh) 一种适用于室内轨道机器人的数字仪表图像的识别方法
CN103839038A (zh) 一种人数统计的方法及装置
CN109035292A (zh) 基于深度学习的运动目标检测方法及装置
CN105427286B (zh) 一种基于灰度和梯度分割的红外目标检测方法
CN103971135A (zh) 基于头肩深度信息特征的人体目标检测方法
CN108229524A (zh) 一种基于遥感图像的烟囱和冷凝塔检测方法
CN102789578A (zh) 基于多源目标特征支持的红外遥感图像变化检测方法
CN104537688A (zh) 一种基于背景差分和hog特征的运动目标检测方法
CN109186772B (zh) 一种基于红外探测器的人体判断方法及电器
CN109242861A (zh) 一种基于图像处理的水质监控方法
CN105307116A (zh) 一种基于移动机器人的分布式视觉定位系统及方法
CN106709952A (zh) 一种显示屏幕的自动标定方法
CN103514460B (zh) 视频监控多视角车辆检测方法和装置
CN102610104A (zh) 一种车载的前方车辆检测方法
CN103034998A (zh) 旋转对称图形的中心与旋转角检测方法及装置
CN103679724B (zh) 斜率逼近式直线检测方法
Guanghui et al. An artificial landmark design based on mobile robot localization and navigation
CN104166843B (zh) 一种基于直线连续性的文档图像来源判别方法
CN106447685B (zh) 一种红外跟踪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant